Разборы · Статья: · Подкаст: · 1 ч 02 мин

Agentic-инженерия по Мэтту Пококу: почему «обвязка» важнее модели, а стратегия — важнее кода

Разбор часового подкаста David Ondrej с Мэттом Пококом об agentic-инженерии: почему harness («обвязка» вокруг модели) важнее самой модели, чем стратегическое программирование отличается от тактического, как работать AFK через сэндбоксы и очереди задач, зачем двигать human-in-the-loop к проду и почему твои навыки — это потолок для ИИ.

ИИ Программирование Продуктивность
Слушать подкаст

Matt Pocock’s Agentic Engineering Workflow (just copy him)

David Ondrej · 1 ч 02 мин
Главы выпуска — нажми, чтобы перейти к моменту 9
  1. 0:38 Тактическое против стратегического программирования Различие из книги Джона Остерхаута: ИИ «съел» тактический код, выигрывают те, кто силён в стратегии.
  2. 3:21 Навыки как множитель: почему сеньоры получают 10x ИИ даёт джуниору небольшой прирост, а сильному разработчику — огромный. Твои навыки — потолок для ИИ.
  3. 5:49 Демо навыка teach: обучение на лету Stateful-скилл строит персональный курс по любой теме — от git до системного дизайна, с уроками в HTML и квизами.
  4. 16:58 Скиллы: процедуры против способностей Procedure ты вызываешь сам и держишь контроль; ability модель вызывает сама, но её описание утекает в контекст.
  5. 23:35 Знание, навык, мудрость Первые два можно упаковать в переиспользуемый скилл, но мудрость (когда и как применять) даётся только реальным опытом.
  6. 24:51 Сетап: Claude Code, Sand Castle и работа AFK Планирование в Claude Code, а основная работа — агенты в сэндбоксах на GitHub Actions, пока автор «отошёл от клавиатуры».
  7. 27:41 Модель против обвязки и «горький урок» Все обсуждают «мотор» (модель), но обвязка — это половина результата, и ей ты управляешь куда сильнее.
  8. 43:00 Циклы против очередей и human-in-the-loop Хайп вокруг бесконечных loop-ов сводится к AFK-агентам; лучше думать очередью задач, где человек приоритизирует.
  9. 1:00:49 Финальный совет: удалить всё и начать с нуля Снести все скиллы, плагины, MCP и CLAUDE.md, понаблюдать за «голым» агентом, а затем наслаивать процедуры.

Коротко

Мэтт Покок объясняет свой рабочий процесс с ИИ-агентами: все смотрят на модель, но выигрывает «обвязка» вокруг неё — промпты, скиллы, кодовая база и режим AFK, а тактическое программирование ИИ уже забрал себе. Главный вывод: твои навыки и стратегическое мышление — это потолок того, что ИИ сделает за тебя, поэтому вкладываться нужно в них, а не в погоню за самой новой моделью.

Выжимка голосом

Самое ценное из разбора — за пару минут

0:00 2:14
Показать текст выжимки
Если коротко, это разбор часового подкаста с Мэттом Пококом — автором одного из самых известных репозиториев скиллов для ИИ-агентов — о том, как он реально работает с агентами вроде Claude Code. Главная мысль: перестаньте быть одержимыми моделью. Мэтт сравнивает её с двигателем Формулы-1 — он важен, но гонку выигрывает вся машина. Обвязка вокруг модели, то есть промпты, скиллы, окружение и особенно кодовая база, — это, по его оценке, примерно половина результата, и именно ей вы управляете сильнее всего. Отсюда неожиданный вывод про экономию токенов: хотите тратить меньше — сделайте кодовую базу удобной для правок, тогда с задачей справится и более дешёвая модель. Вторая идея отрезвляет. Тактическое программирование, то есть повседневное написание кода, синтаксис и коммиты, ИИ уже забрал себе. Ценность сместилась в стратегию — как должна выглядеть система и как ускорить команду. И работает ИИ как множитель: сильному разработчику он даёт огромный прирост, слабому — небольшой. Поэтому ваши навыки — это потолок того, что ИИ сделает за вас, и вкладываться стоит в них, а не в погоню за самым новым инструментом. На практике Мэтт планирует в Claude Code, но основную работу отдаёт агентам в сэндбоксах — они делают задачу сами, пока он отошёл от клавиатуры. И думает он не циклами, а очередью задач: агенты разбирают их по одной, а человек, как король, решает, что критично сейчас. Честная оговорка: тезис про пятьдесят на пятьдесят спорный. Смена самой модели часто даёт скачок, несопоставимый с ручной доводкой обвязки, — да и сам Мэтт продаёт курсы и скиллы, так что совет начать с его репозитория стоит брать с щепоткой соли. А самый практичный совет на финал простой: снесите все скиллы, плагины и MCP-серверы, посмотрите, как ведёт себя голый агент, а потом возвращайте только то, чего реально не хватило — и лучше как процедуры, которые вы вызываете сами.

Озвучено синтезом речи · голос alena

Объясни проще

Суть без жаргона

Простыми словами

Мэтт Покок — автор одного из самых популярных репозиториев скиллов для ИИ-агентов — рассказывает, как реально работает с Claude Code и агентами. Главная мысль: не зацикливайтесь на том, какая модель «самая умная». Гораздо больше пользы приносит «обвязка» вокруг модели — правильные промпты, скиллы, аккуратная кодовая база и режим, когда агенты работают сами, пока вы заняты другим.

Как ребёнку

Представь очень умного робота-помощника. Все спорят, чей робот умнее. А Мэтт говорит: важнее, как ты объясняешь роботу задачу, прибрана ли комната, где он работает, и умеешь ли давать по одному понятному поручению за раз. Умный робот в бардаке справится хуже, чем средний — в порядке.

Аналогия — «это как…»

Это как Формула-1: все смотрят на мотор (модель), но гонку выигрывает вся машина — аэродинамика, шасси, пит-стопы и стратегия. Мотор — лишь часть системы.

Зачем это мне

Пока одни ждут «AGI» и перескакивают с тула на тул каждую неделю, другие наращивают навыки и настраивают процесс — и получают из тех же моделей в разы больше. Разбор показывает, куда вкладывать усилия, чтобы не остаться «код-манки», которого ИИ уже вытесняет.

Для тех, кто в теме

Дельта Покока: harness ≈ 50% выхлопа (а не 90/10 в пользу модели), и именно им ты управляешь. Практика — Claude Code (Opus 4.8, medium effort) для планирования, Sand Castle (Docker/Podman/Vercel-сэндбоксы) + GitHub Actions для AFK-параллелизма; ментальная модель — очередь задач, а не Ralph-loop; human-in-the-loop двигается вправо к проду, но остаётся ради observability («кто ревьюит самого ИИ?»). Скиллы держит как procedures (их description не утекает в контекст), agent-invoked abilities минимизирует. Оптимизация token spend = архитектура кодовой базы, а не модель.

Оценка выпуска

Чем выше — тем больше пользы на минуту

4.4

средняя из 5

Актуальность информации 4.7

Свежий срез практики на середину 2026-го: Opus 4.8, только что вышедший Fable, Sand Castle, GitHub Actions, актуальный спор про loops и агентов.

Содержательность 4.6

Плотный час без воды: рабочие ментальные модели (harness, очереди, DX/AX) и конкретный сетап, а не общие слова про «ИИ изменит всё».

Инновационность идей 4.0

Свежие рамки (harness > модель, очередь вместо цикла, AX как UX), но многое опирается на Остерхаута, bitter lesson и Ralph-loop — это скорее сильный синтез.

Практичность 4.5

Почти всё можно применить сегодня: grill-me перед реализацией, AFK в сэндбоксе, «начни с чистого листа», оптимизация кодовой базы вместо погони за моделью.

Достоверность и баланс 4.1

Мэтт честно оговаривает конфликт интересов (продаёт курсы и скиллы) и повторяет «я не пундит», но часть тезисов — сильные личные мнения, а не проверенные факты.

Кому будет полезно

Чем выше оценка — тем больше пользы для профессии. Разверни — почему.

Для программистов 5 /5

Прямое попадание: готовый рабочий процесс agentic-инженерии — планирование, скиллы-процедуры, AFK в сэндбоксах, очереди задач и осознанное ревью.

Для тимлидов и инженерных менеджеров 4.6 /5

Как распространить «процедуры» на команду, выстроить ревью не только кода, но и системы, и куда двигать human-in-the-loop без потери контроля.

Для вайб-кодеров и джуниоров 4.4 /5

Честный ответ, чего не хватает: не синтаксиса, а фундамента (git, ошибки, тесты, деплой). Плюс демо навыка teach, который закрывает эти пробелы.

Для ML-инженеров и AI-разработчиков 4 /5

Отрезвляющий взгляд на «одержимость моделью»: почему harness и окружение дают половину результата и как дешёвая модель справляется на хорошей кодовой базе.

Для основателей и продакт-менеджеров 3.8 /5

Тезис о том, что в бизнесе ничего не поменялось: ИИ не придумает идею за тебя, ценность — в разговоре с клиентами и выборе фич, а не в делегировании видения.

Для преподавателей и коучей 3.4 /5

Разбор навыка teach показывает, как перенести педагогические принципы (зона ближайшего развития, знание/навык/мудрость) в персонализированное обучение с ИИ.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 ИИ уже съел тактическое программирование 1:31

Рутинное написание кода, борьба с синтаксисом, коммиты — всё это ИИ делает лучше и дешевле человека. Ценность сместилась в стратегию: как должна выглядеть кодовая база и как ускорить команду. Тактический «код-манки» уходит как профессия.

02 Твои навыки — это потолок для ИИ 3:59

ИИ работает как множитель: у сеньора он даёт огромный прирост, у джуниора — небольшой. Если твой уровень низкий, ИИ не прыгнет выше него. Поэтому «стать лучше в ИИ» = стать лучше в своём домене, а не собрать больше тулов.

03 Хочешь тратить меньше токенов — чини кодовую базу, а не модель 32:19

Чем лучше архитектура и «ограждения» проекта, тем более дешёвая и «глупая» модель справится с задачей: ей не нужно тратить токены, «биясь головой о стену». Оптимизация трат начинается не с выбора модели, а с удобства правок.

04 Не цикл, а очередь 45:10

Хайп про «бесконечные loop-ы» на деле сводится к AFK-агентам. Правильная метафора — очередь задач: их разбирают по одной, человек приоритизирует и остаётся у руля, как король с очередью проблем от министров, а не запущенный на автопилоте цикл.

05 Ревьюишь не код, а систему, которая его производит 51:58

Ревью нужно не только чтобы гейтить опасное, но и ради наблюдаемости: ты смотришь, как работает твоя «обвязка», и улучшаешь её. Если поручить ревью ИИ — кто ревьюит самого ИИ? Поэтому цель не «убрать человека», а двигать чекпоинты ближе к проду осознанно.

Ключевые цитаты

Сильные фразы из выпуска — нажми тайм-код, чтобы услышать в оригинале

«Everyone's obsessed with the engine of the Formula 1 car whereas in fact the engine is really only a part of the whole system.»
Matt Pocock Про одержимость моделью: движок (модель) — лишь часть машины, есть ещё шасси, аэродинамика, стратегия — то есть «обвязка». 27:41
«AI has basically eaten tactical programming. It's gone, right? It's all gone.»
Matt Pocock ИИ забрал повседневное написание кода; человеку остаётся стратегическое программирование. 1:31
«So your skills are the ceiling on what AI can do.»
Matt Pocock Навыки человека ограничивают потолок того, что ИИ способен сделать в его руках. 3:59
«How do you optimize for token spend? Have a code base that's easier to make changes in.»
Matt Pocock Ответ на частый вопрос об экономии токенов: дело в архитектуре кодовой базы, а не в модели. 32:19
«The way I mostly think about these things as cues, okay, cues, not loops.»
Matt Pocock В расшифровке «cues» — это «queues» (очереди): Мэтт противопоставляет очередь задач бесконечному циклу. 45:10
«if someone keeps stealing your bike, maybe buy a lock.»
David Ondrej Метафора самоулучшающихся систем: нашёл баг — устрани первопричину, а не только сам баг. 41:26
«enthusiasm beats experience just in pure output»
Matt Pocock О найме: энтузиаст-джуниор с азами фундамента по выхлопу обгоняет более опытного скептика. 57:46
«First thing I would do is I would delete every single skill, every single plugin, every single MCP server ... go back to absolutely nothing, and then observe the agent.»
Matt Pocock Главный практический совет: начать с чистого листа и посмотреть, как ведёт себя «голый» агент. 1:00:49

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

1

Начни с чистого листа

вечер перестанешь раздувать окно контекста мусором и увидишь, что агент умеет сам

Почти все перегружают контекст скиллами, плагинами и инструкциями. Снеси всё, понаблюдай за «голым» агентом, а потом наслаивай обратно только то, чего реально не хватает — как процедуры, которые ты вызываешь сам.

Что делать

  1. 1 Отключи все скиллы, плагины и MCP-серверы.
  2. 2 Убери CLAUDE.md и agents.md — верни агента к «нулю».
  3. 3 Дай пару реальных задач и посмотри, как он справляется без надстроек.
  4. 4 Возвращай по одному только то, чего действительно не хватило, — предпочтительно как procedure-скилл.
2

Освой режим AFK

выходные на настройку клонируешь себя на 3–5 агентов, которые пишут код, пока ты занят другим

Away From Keyboard — момент, когда Мэтт реально нарастил выхлоп. Агент запускается в сэндбоксе и делает задачу без тебя, а ты потом ревьюишь. Это снимает бесконечные запросы разрешений и позволяет параллелить работу.

Что делать

  1. 1 Заведи изоляцию: Docker/Podman локально или Vercel-сэндбоксы удалённо (например, через Sand Castle).
  2. 2 Настрой GitHub Actions, чтобы агент запускался по метке на issue/PR.
  3. 3 Опиши задачу максимально узко и «отпусти» агента.
  4. 4 Забирай коммиты назад в локальный воркспейс и ревьюй результат.
3

Прогоняй идею через grill-me перед кодом

10 минут выловишь дыры и неявные решения до того, как написана строчка кода

Скилл grill-me превращает агента в дотошного интервьюера: он допрашивает тебя об идее, пока вы не придёте к общему пониманию. Мэтт использует его вместо plan mode — как дешёвую страховку от кривой постановки задачи.

Что делать

  1. 1 Опиши идею агенту в двух словах.
  2. 2 Попроси взять у тебя adversarial-интервью по ней.
  3. 3 Отвечай на вопросы, пока не «вскроются» странности и пробелы.
  4. 4 Только после общего понимания переходи к реализации.
4

Проси интервью, а не «one-shot этот апп»

15 минут ИИ поймёт продукт на 98%, а решения останутся за тобой

Вместо «сделай мне приложение» опиши своё видение и попроси выписать 10 самых важных решений — архитектурных, продуктовых, дизайнерских — и допрашивать тебя, пока модель не поймёт задачу почти полностью. Ты остаёшься автором видения, ИИ — исполнителем.

Что делать

  1. 1 Сформулируй видение продукта и его цель.
  2. 2 Попроси перечислить 10 самых консеквентных решений по проекту.
  3. 3 Пусть ИИ интервьюирует тебя, пока не поймёт ~98%.
  4. 4 Зафиксируй ответы как основу для плана и задач.
5

Не бросайся на новую модель — подожди месяц

5 минут решимости не спалишь время и нервы на нестабильный релиз под хайпом

Мэтт намеренно не переходит на модель в день релиза: слишком много шума про «one-shot всего». Он ждёт около месяца, пока «уляжется», и взвешивает не только качество, но и цену токенов, доступность и латентность. Так он и поступил с Opus 4.5 — и ничего не потерял.

6

Оптимизируй кодовую базу, а не модель

постоянно та же работа дешёвой моделью и меньше «сожжённых» токенов

Если архитектура понятная, а «ограждения» на месте, даже более простая модель проходит задачу быстро и дёшево. Хамстринг агента кривой кодовой базой с первого дня, наоборот, требует самой умной (и дорогой) модели.

Что делать

  1. 1 Найди места, где агент чаще всего «путается» и жжёт токены.
  2. 2 Упрости интерфейсы модулей и добавь ровно столько документации, чтобы указать ИИ на нужные места.
  3. 3 Проверь на более дешёвой модели — если справляется, экономия закреплена.
7

Думай очередями, а не циклами

полчаса на перестройку сохранишь контроль и приоритизацию вместо автопилота, жгущего токены

Не запускай бесконечный loop «ради лупов». Веди очередь задач: агенты берут по одной, скопят/реализуют/ревьюят, а ты как «король» решаешь, что критично сейчас. Задача уходит из очереди, когда PR смёржен.

Что делать

  1. 1 Собери бэклог как очередь issue (баги, фичи).
  2. 2 Настрой метки-триггеры: explore → implement → review.
  3. 3 Пусть на этапе explore агент возвращает: чинить сразу или нужен человек.
  4. 4 Приоритизируй сам: из 50 багов вперёд идут 3 критичных.
8

Строй самоулучшающиеся системы

вечер один и тот же класс багов перестанет всплывать снова

Когда модель находит проблему, не радуйся «пофиксили» — спроси, почему до этого дошло, и устрани первопричину: «если у тебя постоянно крадут велосипед — купи замок». Заведи повторяющиеся проверки (например, cron с ежедневным security-review нового куска репо) — и дешёвой модели хватит.

Что делать

  1. 1 После фикса спроси: почему баг вообще появился и жил так долго?
  2. 2 Устрани корневую причину: новый скилл, тест, этап стейджинга.
  3. 3 Заведи регулярную проверку (cron/GitHub Action), которая ищет такие проблемы сама.
9

Пиши скиллы как процедуры, а не способности

20 минут держишь контроль и не засоряешь контекст описаниями

Каждая ability-скилл «протекает» своим описанием в окно контекста, и 100 способностей = 100 описаний в контексте. Procedure-скилл ты вызываешь сам, его description можно скрыть от модели (disable model invocation). Мэтт предпочитает быть за рулём и не делегировать мышление.

Сценарии применения

Как разные люди применяют это на практике

Я как Вайб-кодер

Проблема: умею читать код и жать пару команд в терминале, но боюсь что-то сломать и «залить» в прод

Хочу: закрыть пробелы в фундаменте, а не учить лишний синтаксис

Поможет: разбор подсказывает начать с git, чтения ошибок, тестов и деплоя — и показывает навык teach, который строит персональный курс под твою цель

Я как Сеньор-разработчик

Проблема: ручная работа съедает время, а масштабировать себя нечем

Хочу: превратить свой опыт в множитель и делать больше меньшими силами

Поможет: получаешь готовый AFK-процесс: агенты в сэндбоксах, GitHub Actions и очередь задач, где ты остаёшься стратегом

Я как Тимлид

Проблема: у команды разнобой в подходах и качество ревью проседает

Хочу: единый способ планировать и ревьюить, который поднимает «пол» всей команды

Поможет: узнаёшь, как упаковать свои практики в переиспользуемые процедуры-скиллы и ревьюить не только код, но и систему, которая его производит

Я как Основатель стартапа

Проблема: паника «SaaS мёртв / SaaS важнее чем когда-либо», непонятно, за что хвататься

Хочу: понять, что реально изменилось в построении бизнеса с ИИ

Поможет: разбор отрезвляет: фундамент тот же — говори с клиентами и выбирай фичи сам; ИИ ускоряет реализацию, но не придумает идею

Я как Джуниор

Проблема: страх, что ИИ обесценит меня раньше, чем я наберусь опыта

Хочу: понять, как быть ценным в новом раскладе

Поможет: видишь, что энтузиазм и немного фундамента бьют чистый опыт по выхлопу, а «AX-мышление» делает тебя полезным сразу

Я как ML-инженер

Проблема: кажется, что всё решает выбор самой мощной модели

Хочу: понять, куда ещё вкладывать усилия, кроме гонки за моделью

Поможет: разбор показывает: обвязка — это половина результата, и хорошая кодовая база позволяет дешёвой модели работать не хуже дорогой

Я как CTO / технический рекрутёр

Проблема: кого брать — опытного сеньора-скептика или AI-энтузиаста без стажа

Хочу: критерий, кто принесёт больше пользы в эпоху агентов

Поможет: получаешь рамку DX/AX и вывод: энтузиазм + базовые фундаменты дают лучший выхлоп, а сеньор ценен умением строить кодовую базу, удобную и людям, и агентам

Я как Преподаватель / коуч

Проблема: сложно давать персонализированное обучение каждому ученику

Хочу: перенести педагогику в инструмент, который учит по одному пути

Поможет: демо навыка teach показывает, как зашить зону ближайшего развития и связку знание/навык/мудрость в стейтфул-скилл, который ведёт ученика по графу знаний

Логика повествования

Как устроена логика выпуска — пройди по шагам

Предпосылка Аргумент Пример Вывод
  1. Предпосылка ИИ съел тактическое программирование 0:38

    Рутинный код, синтаксис и коммиты ИИ делает дешевле и лучше человека.

  2. Аргумент Значит, ценность сместилась в стратегию и навыки 3:59

    Выигрывает стратегическое программирование; твои навыки — потолок того, что ИИ может сделать.

  3. Аргумент Управляешь ты не моделью, а обвязкой 27:41

    Модель — лишь «мотор». Промпты, скиллы, окружение и кодовая база — вторая половина результата, и она под твоим контролем.

  4. Пример Практика: Claude Code + сэндбоксы + AFK 24:51

    Планирование локально, реализация — агенты в Sand Castle на GitHub Actions, задачи идут очередью.

  5. Аргумент Лучше кодовая база — дешевле модель 32:19

    Хорошая архитектура и ограждения позволяют «глупой» модели справляться и экономят токены.

  6. Аргумент Ревьюишь систему, а не только код 51:58

    Human-in-the-loop даёт гейт опасного и наблюдаемость; двигай чекпоинты к проду, но не убирай их вслепую.

  7. Вывод Вывод: чистый лист, процедуры, AFK 1:00:49

    Снеси всё, наблюдай за агентом, наслаивай процедуры и делегируй реализацию AFK-агенту.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Стоит ли слушать целиком

Да, если вы пишете код с ИИ-агентами и хотите не «ещё один список тулов», а связную картину рабочего процесса. Мэтт Покок — автор одного из самых известных репозиториев скиллов — говорит спокойно и без хайпа: он несколько раз повторяет «я не пундит» и честно предупреждает, что продаёт курсы, так что советы стоит брать «с щепоткой соли». Ценность выпуска не в предсказаниях, а в проверенных ментальных моделях, которые можно применить сегодня.

Главная мысль: смотрите на обвязку, а не на мотор

Сквозная идея — перестать быть «одержимым моделью». Модель Покок сравнивает с двигателем Формулы-1: он важен, но гонку выигрывает вся машина. «Обвязка» (harness) — промпты, скиллы, окружение и особенно кодовая база — это, по его оценке, примерно половина результата, и именно ей вы управляете сильнее всего. Отсюда неожиданный практический вывод про экономию токенов: хотите тратить меньше — сделайте кодовую базу удобной для изменений, тогда справится и более дешёвая модель. Дэвид справедливо возражает, что лучшая модель мгновенно улучшает и весь остальной сетап, — и Мэтт с этим не спорит, настаивая лишь на балансе 50/50, а не 90/10 в пользу модели.

Как это выглядит в его работе

Планирование — в Claude Code (Opus 4.8, medium effort), но основная разработка идёт AFK: агенты крутятся в сэндбоксах (его инструмент Sand Castle поверх Docker/Podman или Vercel-сэндбоксов), запускаются из GitHub Actions по меткам, а коммиты возвращаются в локальный воркспейс. Бесконечные «loop-ы», по которым все сходили с ума в Твиттере, он переосмысляет как очередь задач: агенты берут по одной, скопят/реализуют/ревьюят, а человек остаётся «королём», который приоритизирует. Отдельно ценна мысль про ревью: убирать человека из контура стоит осознанно, потому что ревью даёт не только защиту от опасного, но и наблюдаемость — иначе непонятно, кто ревьюит самого ИИ.

Что забрать себе

Практический минимум от Мэтта на конец разговора: снести все скиллы, плагины, MCP-серверы и CLAUDE.md, понаблюдать за «голым» агентом, а потом наслаивать обратно только нужное — и предпочтительно как процедуры, которые вы вызываете сами, а не «способности», засоряющие контекст. Плюс освоить AFK: настройка занимает время, но дальше «работает как сумасшедшая». А фон под всем этим — старая истина: наращивайте собственные навыки и стратегическое мышление, потому что именно они остаются потолком того, что ИИ способен сделать за вас.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 6

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 8 Верно: 0

  1. 1. Что, по мнению Мэтта Покока, ИИ уже «съел»?

  2. 2. Что Покок считает как минимум наполовину не менее важным, чем сама модель?

  3. 3. Как Покок советует снизить траты токенов?

  4. 4. В чём разница между скиллом-процедурой и скиллом-способностью?

  5. 5. Какой первый шаг Покок советует «среднему энтузиасту ИИ»?

  6. 6. Почему «очередь» — лучшая метафора, чем «бесконечный цикл»?

  7. 7. Что, по Пококу, теряешь, если полностью убрать человеческое ревью?

  8. 8. Что, по мнению Покока, при найме даёт больше выхлопа?

Словарь терминов

Понять незнакомое простым языком

Показать 13 терминов
Agentic engineering (агентная инженерия)
Разработка, где значительную часть работы делают ИИ-агенты, а человек проектирует задачи, окружение и процесс, а не пишет весь код руками.
Harness (обвязка)
Всё вокруг модели: промпты, скиллы, окружение, кодовая база и инструменты. Мэтт считает, что обвязка даёт около половины результата и ей ты управляешь сильнее, чем моделью.
Тактическое и стратегическое программирование
Различие из книги Джона Остерхаута «Философия дизайна ПО»: тактическое — повседневное написание кода; стратегическое — долгосрочные решения об архитектуре и скорости команды.
Skill (скилл): procedure и ability
Переиспользуемый набор инструкций для агента. Procedure ты вызываешь сам (контроль у человека); ability модель вызывает сама, но её описание попадает в окно контекста.
AFK (Away From Keyboard)
Режим, когда агент выполняет задачу без тебя — «пока ты отошёл от клавиатуры». Позволяет параллелить несколько агентов и резко нарастить выхлоп.
Sand Castle / сэндбокс
Инструмент Мэтта для запуска агентов в изоляции (Docker, Podman, Vercel-сэндбоксы), чтобы агент не навредил системе и можно было параллелить работу.
Human-in-the-loop
«Человек в контуре» — точки, где человек подтверждает или проверяет действия агента. Цель — двигать эти чекпоинты ближе к проду, но не убирать вслепую.
Ralph loop
Идея Джеффри Хантли: while-цикл, который снова и снова передаёт один промпт агенту, пока задача не будет готова. Покок считает очередь задач более точной моделью.
Bitter lesson (горький урок)
Тезис из ML: рост «сырых» вычислений в долгую бьёт любые ручные оптимизации. Отсюда соблазн просто ждать более сильных моделей, с которым Мэтт спорит.
DX и AX
Developer Experience (удобство для человека-разработчика) и Agent Experience (удобство работы агента в кодовой базе). У хорошего DX и AX большое пересечение.
Zone of proximal development (зона ближайшего развития)
Педагогический принцип: учить тому, что чуть выше текущего уровня ученика. Заложен в навык teach, чтобы вести человека по посильным шагам.
MCP server
Внешний сервер инструментов (Model Context Protocol), который добавляет агенту возможности. Мэтт советует сначала отключить их все и вернуть лишь нужное.
Vibe coding (вайб-кодинг)
Стиль, когда человек «на ощущениях» просит ИИ собрать приложение, слабо понимая код. Мэтт предлагает вайб-кодерам закрыть фундамент, а не гнаться за тулами.

Критический взгляд

Объективно: с какими тезисами можно поспорить и что преувеличено

Спорно

Модель — это лишь ~50%, а обвязка равна ей по важности

Красивая рамка, но смена «движка» часто даёт скачок, несопоставимый с ручной доводкой обвязки. Мэтт сам признаёт риск «bitter lesson», а Дэвид резонно замечает: лучшая модель мгновенно делает лучше и весь остальной сетап.

Упрощение

«Твои навыки — это потолок для ИИ»

Формула эффектная, но неточная: по ходу же разговора звучит, что модели находят баги и решения, которых у автора не было. Значит, потолок подвижен, и ИИ иногда выходит за пределы текущего уровня человека.

Преувеличение

«Код-манки больше нет, тактический программист — всё»

Сильно сказано. В легаси-системах, регулируемых доменах, embedded и там, где цена ошибки высока, аккуратный ручной труд и человеческое ревью пока остаются критичными, а не «ушли».

Однобоко

Глубокие баги можно найти и дешёвой моделью на хорошей обвязке

Частично верно, но не универсально: иногда именно способности более сильной модели вскрывают то, что дешёвая стабильно пропускает. Сводить всё к harness — удобная, но односторонняя позиция.

Спорно

Советы даёт автор, который продаёт курсы и скиллы

Мэтт честно предупреждает «take with a pinch of salt», и это плюс к прозрачности. Но конфликт интересов стоит держать в голове: рекомендация «начни с моего репозитория скиллов» — не нейтральный совет.

Взгляни иначе

Новый угол, смежные области и потенциал на стыке — пища для размышлений

Другой угол

Ты уже не программист, а менеджер флота

Аналогия с королём и министрами намекает: ключевой навык смещается с синтаксиса на делегирование, приоритизацию и постановку задач. По сути, разработчик становится ближе к инженерному менеджеру, у которого «подчинённые» — агенты.

На стыке областей

AX — это новый UX

Если проектировать кодовую базу под агента так же, как продукт под пользователя, рождается новая дисциплина на стыке DevEx и продуктового дизайна: «опыт агента» как метрика, за которую отвечает архитектор.

Смежная область

Мышление «обвязки» работает далеко за пределами кода

Тот же принцип — улучшай окружение, а не только модель — применим к маркетингу, аналитике, поддержке и любому воркфлоу с ИИ. Часто дешевле поправить процесс и данные вокруг, чем гнаться за более умной моделью.

Другой угол

Метрика качества — не PR, а конвейер, который его родил

Если ревьюишь систему, а не отдельный код, то главный артефакт — самоулучшающийся процесс. Это ближе к SRE и teardown-культуре инцидентов, чем к классическому код-ревью.

На стыке областей

Педагогика как движок инструментов разработки

Навык teach переносит зону ближайшего развития и связку знание/навык/мудрость в тулинг. Тот же подход мог бы перестроить онбординг в командах и внутренние базы знаний, а не только личное обучение.

Похожие разборы

Разбор

Многоагентный вайб-кодинг: пошаговый workflow от идеи до продакшена

Автор показывает свой процесс вайб-кодинга: главный навык — не писать код, а оркестрировать рой агентов, масштабируя их число и планы под сложность задачи. За одно видео он вживую собирает полный стек (база, API, AWS, Discord-авторизация), но половина «обязательных инструментов» — его же платные продукты.

Читать → Разбор

Почему AI-агент ломает уже работающий код — и как это чинит проектная документация (ТЗ)

Вайбкод-приложения разваливаются не из-за слабой модели, а потому что у агента нет карты проекта: он забывает детали в забитом контексте и не видит связи между частями кода. Лечение — заранее написать подробное ТЗ-документацию, разбить её по файлам с оглавлениями и правилами заставить агента всегда на неё опираться.

Читать → Разбор

Agent loops, goals и расписания в Claude Code и Codex: рабочий процесс без хайпа

Оуайн Льюис раскладывает четыре примитива работы с ИИ-агентами — prompt, goal, /loop и schedule — и показывает, где они реально экономят время, а не жгут токены. Главная идея: относись к агенту как к сотруднику — дай цель и критерий успеха вместо микроменеджмента и автоматизируй рутину, где цена ошибки управляема.

Читать → Разбор

Loop Engineering: как перестать быть оператором LLM и начать проектировать циклы

Если ты общаешься с агентом больше, чем принимаешь инженерные решения, ты превратился из инженера в оператора LLM — и упёрся в потолок ручного промтинга. Loop Engineering предлагает проектировать не отдельный промт, а цикл вокруг модели: с внешней памятью, изоляцией, независимым чекером, измеримым контрактом и лимитами — но внедрять его по нарастающей, оставляя финальную ответственность на человеке.

Читать →
← Все разборы Слушать подкаст-источник